小玩OpenSURF图像识别

本文来自http://blog.youkuaiyun.com/hellogv/ ，引用必须注明出处！

      最近工作有点闲，有时间就玩点有意思的东西------SURF 图像识别(WIKI地址)，懂了图像识别，真的有很多东西可以玩。。。。。先看看本文实现的效果：

 左图不是相同的指纹，右图为相同的指纹

ShapeContext算法中典型的实验图片。。。借来用用而已。。。

本文修改后的代码可以到这里:http://download.youkuaiyun.com/source/2515577下载，本文的代码改自GoogleCode的OpenSource。

      网上已经有很多封装好的SURF算法，这里我挑OpenSURF.OpenSURF在GoogleCode的地址http://code.google.com/p/opensurf1/，在【Source】 Tab里有C++版和C#版，C++版依赖Opencv，C#版不依赖OpenCV，我选择了C#版裸奔SURF。。。。在使用OpenSURF的C#版发现两个问题：

1。没有Match模块，所以这个就得自己写了；
2。OpenSURF for C#竟然大量使用GetPixel() ...... -. -||| ......做过图像处理的兄弟都应该知道GetPixel()的效率...........这个也得自己改改。

解决问题1：C++版包含了Match模块，所以我就参考C++版的，写成C#。。。。。以下是我自己添加的Match代码：

using System; using System.Collections.Generic; using System.Text; using OpenSURFcs; class Utils { private const float FLT_MAX = 3.402823466e+38F; /* max value */ public static List<IPoint>[] getMatches(List<IPoint> ipts1, List<IPoint> ipts2) { double dist; double d1, d2; IPoint match = new IPoint(); List<IPoint>[] matches = new List<IPoint>[2]; matches[0] = new List<IPoint>(); matches[1] = new List<IPoint>(); for (int i = 0; i < ipts1.Count; i++) { d1 = d2 = FLT_MAX; for (int j = 0; j < ipts2.Count; j++) { dist = GetDistance(ipts1[i], ipts2[j]); if (dist < d1) // if this feature matches better than current best { d2 = d1; d1 = dist; match = ipts2[j]; } else if (dist < d2) // this feature matches better than second best { d2 = dist; } } // If match has a d1:d2 ratio < 0.65 ipoints are a match if (d1 / d2 < 0.77) //越小Match点越少 { matches[0].Add(ipts1[i]); matches[1].Add(match); } } return matches; } private static double GetDistance(IPoint ip1, IPoint ip2) { float sum = 0.0f; for (int i = 0; i < 64; ++i) sum += (ip1.descriptor[i] - ip2.descriptor[i]) * (ip1.descriptor[i] - ip2.descriptor[i]); return Math.Sqrt(sum); } }

解决问题2：参考网上的代码，把IntegralImage.cs的FromImage(Bitmap image)函数改成：

public static IntegralImage FromImage(Bitmap image) { IntegralImage pic = new IntegralImage(image.Width, image.Height); float rowsum = 0; /* for (int y = 0; y < image.Height; y++) { rowsum = 0; for (int x = 0; x < image.Width; x++) { Color c = image.GetPixel(x, y); rowsum += (cR * c.R + cG * c.G + cB * c.B) / 255f; // integral image is rowsum + value above if(y==0) pic[0, x] = rowsum; else pic[y, x] = rowsum + pic[y - 1, x]; } }*/ BitmapData dataIn = image.LockBits(new Rectangle(0, 0, image.Width, image.Height), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb); unsafe { byte* pIn = (byte*)(dataIn.Scan0.ToPointer()); for (int y = 0; y < dataIn.Height; y++) { rowsum = 0; for (int x = 0; x < dataIn.Width; x++) { int cb = (byte)( pIn[0]); int cg = (byte)(pIn[1]); int cr = (byte)(pIn[2]); // 0 1 2代表的次序是B G R rowsum += (cR * cr + cG * cg + cB * cb) / 255f; // integral image is rowsum + value above if (y == 0) pic[0, x] = rowsum; else pic[y, x] = rowsum + pic[y - 1, x]; pIn += 3; } pIn += dataIn.Stride - dataIn.Width * 3; } } image.UnlockBits(dataIn); return pic; }

OK,解决了以上两个问题，OpenSURF的C#版功能算是跟C++差不多了。。。。当然，C#跟C++的速度还有点差距的。。。。接下来就说说如何提高识别率，有两个关键的系数要微调的：

1。FastHessian.getIpoints(0.0001f, 5, 2, iimg);的第一个参数决定了特征点的数量，越小则特征点越多；

2。在Utils.cs里面的if (d1 / d2 < 0.77) //越小匹配的点越少，但误判断点也越少；越大匹配的点越多，但误判断点也越多。

以上两个要微调的函数就要具体情况具体微调了。。。。